论文部分内容阅读
在多源域迁移学习和多视角迁移学习的基础上,对基于多源域多视角的迁移学习算法进行了改进。该算法对分类错误率高的分类器不是仅仅强制设置成最大阈值,而是进行取反以获得更高的利用价值。在源域更新过程中,考虑TrAdaBoost的源域权重下降过快问题,加入动态因子,改变了源域权重收敛过快导致的权重熵过分转移到目标域的问题。实验结果表明,该算法在识别方面具有一定优势。